speech-recognition

JAX 版 OpenAI Whisper 模型實作，可在 TPU 上提升至 70 倍速度

一個小型語音辨識器

精簡版 Whisper，語音辨識速度提升 6 倍，體積縮小 50%，字錯誤率下降至 1% 內。

OpenAI Whisper ASR 網路服務 API

適合不想折騰 Python 的使用者的 Whisper 與 Faster-Whisper 獨立執行檔。

開源、本地、可自託管的 Amazon Echo/Google Home 競爭性語音助手替代品

透過網頁 UI 100% 在本地將任何音訊轉錄為文字、翻譯並編輯字幕。由 whisper 模型驅動！

Lingvo

支援字詞級時間戳記與信心度的多語言自動語音辨識

🐸STT - 用於語音轉文字的深度學習工具組。訓練與部署 STT 模型從未如此簡單。

即時語音執行階段，讓 Agent 保持對話、運作與在線狀態。AI Agent 的即時語音執行階段。

使用 tensorflow 深度學習框架與 sequence-to-sequence 神經網路的語音辨識

具備類似 GPT-Live 功能的裝置端即時多模態 AI

支援普通話、中文方言與英語的開源工業級 ASR 模型，在公開的普通話 ASR 基準測試中達到全新的 SOTA，同時提供出色的歌唱歌詞辨識能力。

中文語音識別；Mandarin Automatic Speech Recognition；

開源的大詞彙量連續語音辨識引擎

精選的 Speaker Diarization 相關論文、函式庫、資料集與其他資源清單。

您應用的自我編碼系統 — 用於 iOS 的 Alan AI SDK

為你的應用程式打造的自我編碼系統 — 適用於 Android 的 Alan AI SDK

跨平台、GPU 加速的 Whisper 🏎️

使用新一代 Kaldi 與 ncnn 在無網路連線下進行即時語音辨識與語音活動檢測（VAD）。支援 iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4A 等。

應用程式的自我編碼系統 — 用於 Flutter 的 Alan AI SDK

應用程式的自我編碼系統 — 適用於 Ionic 的 Alan AI SDK

Speech Note Linux 應用程式。具備離線語音轉文字、文字轉語音以及機器翻譯的筆記、閱讀與翻譯功能。

使用 AI 進行本機語音辨識與字幕產生的 OBS 外掛模組

Amica 是一個開源介面，用於透過語音合成與語音辨識與 3D 角色進行互動通訊。

擴充 ComfyUI 功能的自訂節點

SALMONN 系列：一套先進的多模態 LLM

開源基於 LLM 的中文、方言、口音及多語種語音 ASR 模型家族，具備 FunASR、vLLM、串流與 llama.cpp 執行階段。

用於口語語言處理的統一模態語音文字預訓練